/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,4 млрд
Архитектура
breeze · dense
Базовая модель
Breeze-TTS-2
Библиотека
mlx
Опубликована
27 авг 2026

Breeze-TTS-2-mlx

Синтез речиТекст → аудио3 профессии

Квантизированная INT8-версия Breeze-TTS-2 для локального синтеза английской и китайской речи на компьютерах Apple с Apple Silicon.

127скачиваний за 30 дней0лайковвеса обновлены27 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

rishikksh20 подготовил для локального синтеза речи на компьютерах Apple с процессорами Apple Silicon INT8-версию Breeze-TTS-2 в формате MLX. Это дообученная модель Breeze с плотной архитектурой BreezeForConditionalGeneration, содержащая 1,4 млрд параметров; для инференса используется контекст до 2048 токенов. Веса преобразованы в INT8 с группами размера 64 для подходящих слоёв, часть слоёв оставлена в FP16, а аудиотокенизатор — в FP32.

Модель принимает текст и генерирует речь. Базовая Breeze-TTS-2 предназначена для потокового синтеза английской и китайской речи, клонирования голоса и управления его подачей. Репозиторий содержит только INT8-веса: для запуска нужны отдельный runtime-проект, macOS и Apple Silicon; версия не рассчитана на CUDA, Linux или компьютеры Mac с Intel и не настроена для Inference API Hugging Face. Квантизация может повлиять на качество и выбор вариантов синтеза, поэтому следует проверить разборчивость, произношение и сходство голоса. Лицензия в предоставленных данных не указана.

Сценарии применения

  • локальная генерация речи из текста на английском языке
  • локальная генерация речи из текста на китайском языке
  • синтез речи с настройкой подачи голоса
  • клонирование голоса средствами базовой модели

Ограничения

Для локального запуска требуется Apple Silicon и отдельный runtime-проект; модель не предназначена для CUDA, Linux, Intel Mac или Inference API Hugging Face. Квантизация может повлиять на разборчивость, произношение и сходство голоса; лицензионные условия и другие ограничения базовой модели следует сверить с её карточкой.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Breeze TTS 2 MLX — INT8

This repository contains the ready-to-run INT8-only MLX checkpoint for BreezeBlue/Breeze-TTS-2. It is a direct replication of the chkpt-mlx-int8/ directory used by the breeze-tts-mlx inference project.

This Hugging Face repository contains INT8 weights only. It does not contain the original checkpoint, an INT4 checkpoint, FP16/FP32 variants, or the Python inference source. Clone the GitHub repository for the runtime.

Requirements

  • Apple-Silicon Mac (ARM64)
  • macOS
  • Python 3.12
  • uv
  • SoX

Clone the runtime and download the INT8 weights

git clone https://github.com/rishikksh20/breeze-tts-mlx.git
cd breeze-tts-mlx

brew install uv sox
sox --version
uv sync --locked

uv run hf download rishikksh20/Breeze-TTS-2-mlx \
  --local-dir chkpt-mlx-int8

No checkpoint conversion is required. The downloaded directory already has the complete MLX INT8 layout, including the FP32 Qwen audio tokenizer.

Run inference

uv run python infer.py chkpt-mlx-int8 \
  --text "Hello from Breeze TTS 2 running with MLX INT8." \
  --instruction "Speak warmly and clearly." \
  --output output_mlx.wav

The terminal reports generated codec frames, audio duration, elapsed generation time, loaded weight memory, and generation speed such as 0.53x realtime.

Voice design with CFG

uv run python infer.py chkpt-mlx-int8 \
  --text "This voice was generated from the published INT8 checkpoint." \
  --instruction "Use a calm, confident delivery." \
  --cfg-scale 4 \
  --output output_cfg_mlx.wav

Reference voice editing

uv run python infer.py chkpt-mlx-int8 \
  --text "This is the new sentence." \
  --instruction "Keep the reference speaker and use a calm delivery." \
  --ref-audio reference.wav \
  --ref-text "The exact transcript of the reference recording." \
  --output output_reference_mlx.wav

--ref-audio and --ref-text must be provided together, and the transcript must match the reference recording exactly.

INT8 checkpoint policy

  • MLX 8-bit affine weight-only quantization with group size 64 is applied to eligible linear and embedding layers in the active text encoder, Qwen3 backbone, depth decoder, audio embedding, and depth codebook heads.
  • The small text projection and LM head remain FP16.
  • The bundled Qwen audio tokenizer remains unchanged in FP32.
  • Inactive embed_text_tokens.* and embedded codec_model.* weights are omitted from the MLX package.

This model repository is intended for local inference through the linked GitHub project; it is not configured for the Hugging Face hosted Inference API.

Benchmark and listening sample

uv run python benchmark.py \
  --precisions int8 \
  --artifact int8=chkpt-mlx-int8 \
  --max-new-tokens 64 \
  --audio-output-dir mlx_benchmark_audio \
  --json-output mlx_benchmark_int8.json

The measured WAV is saved as mlx_benchmark_audio/int8.wav for subjective listening checks, and its path is included in the JSON report.

Attribution and limitations

This is an MLX INT8 conversion of BreezeBlue/Breeze-TTS-2. Review the upstream model card for intended use, supported languages, training details, and model-specific limitations. INT8 quantization can change sampling decisions and audio quality relative to the original model. Validate speaker similarity, intelligibility, and pronunciation for your use case.

The runtime currently targets Apple Silicon and is not a CUDA, Linux, or Intel Mac inference implementation.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
BreezeForConditionalGeneration
Ревизия весов
92266ef

0 моделей